[发明专利]一种智库知识推荐的方法、装置、设备及介质

说明书

本公开提供了一种智库知识推荐的方法，该智库知识推荐的方法包括：获取目标用户数据，其中，目标用户数据包括：目标用户属性和目标用户行为；根据目标用户数据对智库知识进行追踪，得到目标智库知识，其中，智库知识包括以下至少之一：文本、视频、声音；利用个性推荐算法对目标智库知识进行处理，得到初始推荐结果，其中，初始推荐结果包括多个初始推荐的智库知识；将初始推荐结果输入到训练好的推荐模型中，得到最终的推荐结果，其中，最终推荐结果包括多个最终推荐的智库知识。本公开还提供了一种智库知识推荐装置、设备、存储介质和程序产品。

技术领域

本公开涉及智库知识推荐领域，具体涉及一种智库知识推荐的方法、装置、设备、存储介质和程序产品。

背景技术

智库为公众提供了大量有价值的信息，但是智库中的知识数量巨大，种类繁多，如何从海量的智库知识中快速追踪到用户感兴趣的知识成为亟待解决的问题。

传统的智库知识追踪技术多采用以“搜索”为主的单一追踪方式，可随着智库知识的丰富，用户已经很难用几个搜索词语来表达自己的需求。在这个背景下，如何多维度的刻画用户偏好，从海量的智库知识中快速、较为准确地追踪到用户感兴趣的智库知识成为亟待解决的问题。

发明内容

鉴于上述问题，本公开提供了一种智库知识推荐的方法、装置、设备、存储介质和程序产品。

根据本公开的第一个方面，提供了一种智库知识推荐的方法，包括：

获取目标用户数据，其中，目标用户数据包括：目标用户属性和目标用户行为；根据目标用户数据对智库知识进行追踪，得到目标智库知识，其中，智库知识包括以下至少之一：文本、视频、声音；利用个性推荐算法对目标智库知识进行处理，得到初始推荐结果，其中，初始推荐结果包括多个初始推荐的智库知识；将初始推荐结果输入到训练好的推荐模型中，得到最终的推荐结果，其中，最终推荐结果包括多个最终推荐的智库知识。

根据本公开的实施例，推荐模型通过如下方式训练得到：

获取样本用户数据，其中，样本用户数据包括：样本用户属性和样本用户行为；根据样本用户数据对智库知识进行追踪，得到智库知识样本；利用个性推荐算法对智库知识样本进行处理，得到初始推荐结果，其中，初始推荐结果包括多个初始推荐的智库知识样本；将样本用户数据和初始推荐结果作为样例池中样例，利用分类器对样例池中样例进行分类预测，得到有标注的样例，将有标注的样例加入到训练集中以构建训练样本集；利用训练样本集对未经训练的推荐模型进行训练，得到训练好的推荐模型。

根据本公开的实施例，对训练好的推荐模型进行评价，获得评价结果。

根据本公开的实施例，利用个性推荐算法对智库知识样本进行处理，得到初始推荐结果，其中，初始推荐结果包括多个初始推荐的智库知识样本包括：

基于热度个性推荐算法对智库知识样本进行处理，得到基于热度初始推荐的智库知识样本；基于协同过滤个性推荐算法对智库知识样本进行处理，得到基于协同过滤初始推荐的智库知识样本；基于矩阵分解个性推荐算法对智库知识样本进行处理，得到基于矩阵分解初始推荐的智库知识样本；以及基于内容个性推荐算法对智库知识样本进行处理，得到基于内容初始推荐的智库知识样本。

根据本公开的实施例，构建训练样本集包括：

将样例池中样例预测类标的改变率阈值设定为μ；当相邻两次的分类器对样例池中样例的预测类标的改变率大于阈值的情况下，计算样例池中每个样例类别不确定性；对样例池中不确定性最大的样例进行标注，得到标注后的样例；将标注后的样例从样例池中剔除，加入到训练样本集中以构建训练样本集；或

当相邻两次的分类器对样例池中样例的预测类标的改变率小于阈值的情况下，则完成训练样本集构建。

本公开的第二方面提供了一种智库知识推荐装置，包括：